估計(jì)理論及其在跟蹤系統(tǒng)中的應(yīng)用

定　價(jià)：￥130.00

作　者：	劉學(xué)等著
出版社：	科學(xué)出版社
叢編項(xiàng)：
標(biāo)　簽：	暫缺

購(gòu)買這本書可以去

ISBN：	9787030677488	出版時(shí)間：	2021-03-01	包裝：	平裝
開(kāi)本：	16開(kāi)	頁(yè)數(shù)：	250	字?jǐn)?shù)：

內(nèi)容簡(jiǎn)介

　　《估計(jì)理論及其在跟蹤系統(tǒng)中的應(yīng)用》系統(tǒng)闡述了估計(jì)理論在機(jī)載無(wú)源定位單目標(biāo)跟蹤和天基探測(cè)多目標(biāo)跟蹤領(lǐng)域的應(yīng)用。首先，介紹了噪聲分布服從高斯分布時(shí)，不確定系統(tǒng)CI融合保性能魯棒Kalman濾波器設(shè)計(jì)方法及其保性能魯棒性證明方法和魯棒精度分析方法；介紹了混合不確定網(wǎng)絡(luò)化多傳感器線性系統(tǒng)的魯棒局部和融合Kalman估值器的設(shè)計(jì)方法、魯棒性證明方法和魯棒精度分析方法，并給出其在空中觀測(cè)平臺(tái)對(duì)地面遠(yuǎn)距離固定目標(biāo)定位中的應(yīng)用實(shí)例；介紹了非線性系統(tǒng)確定性采樣Kalman濾波方法，并給出其在機(jī)載單站對(duì)遠(yuǎn)距離海面或地面慢速目標(biāo)的無(wú)源定位跟蹤情景下的應(yīng)用實(shí)例。其次，介紹了噪聲分布服從非高斯分布時(shí)，非線性系統(tǒng)的隨機(jī)采樣粒子濾波方法和自適應(yīng)采樣粒子濾波方法，及其在單站無(wú)源定位系統(tǒng)中的應(yīng)用。最后，介紹了基于隨機(jī)有限集理論的多目標(biāo)Bayes濾波方法及其三種近似計(jì)算方法，并介紹了其在天基觀測(cè)低軌多目標(biāo)三維跟蹤成像及多機(jī)動(dòng)目標(biāo)跟蹤中的應(yīng)用。

作者簡(jiǎn)介

暫缺《估計(jì)理論及其在跟蹤系統(tǒng)中的應(yīng)用》作者簡(jiǎn)介

圖書目錄

目錄
前言
第1章緒論 1
1.1 跟蹤系統(tǒng)的發(fā)展現(xiàn)狀 1
1.2 估計(jì)理論及其在跟蹤系統(tǒng)中的應(yīng)用發(fā)展現(xiàn)狀 4
參考文獻(xiàn) 12
第2章不確定系統(tǒng)CI融合保性能魯棒Kalman濾波 19
2.1 引言 19
2.2 帶不確定噪聲方差系統(tǒng)保性能魯棒濾波器 19
2.3 帶不確定方差線性相關(guān)白噪聲系統(tǒng)CI融合保性能魯棒估值器 29
2.4 帶不確定噪聲方差和丟失觀測(cè)的CI融合保性能魯棒Kalman阻濾波器 43
2.5 本章小結(jié) 54
參考文獻(xiàn) 55
第3章混合不確定系統(tǒng)加權(quán)狀態(tài)融合魯棒Kalman濾波 56
3.1 引言
3.2 混合不確定系統(tǒng)加權(quán)融合魯棒Kalman估值器 56
3.3 帶不確定方差乘性和加性噪聲系統(tǒng)按對(duì)角陣加權(quán)融合魯棒Kalman估值器 68
3.4 本章小結(jié) 80
參考文獻(xiàn) 80
第4章混合不確定ARMA信號(hào)魯棒融合Kalman濾波 81
4.1 引言 81
4.2 帶丟失觀測(cè)和不確定噪聲方差A(yù)RMA信號(hào)觀測(cè)融合魯棒Kalman估值器 81
4.3 帶丟失觀測(cè)和不確定噪聲方差的ARMA信號(hào)魯棒加權(quán)融合Kalman估值器 94
4.4 帶混合不確定性的ARMA信號(hào)魯棒加權(quán)融合Kalman估值器 104
4.5 本章小結(jié) 112
參考文獻(xiàn) 112
第5章基于確定性采樣卡爾曼濾波的被動(dòng)跟蹤算法 114
5.1 引言 114
5.2 基于觀測(cè)域確定性采樣卡爾曼濾波的被動(dòng)跟蹤算法 120
5.3 基于迭代確定性采樣卡爾曼濾波的被動(dòng)跟蹤算法 131
5.4 基于強(qiáng)跟蹤確定性采樣卡爾曼濾波的被動(dòng)跟蹤算法 142
5.5 本章小結(jié) 147
參考文獻(xiàn) 148
第6章基于蒙特卡羅隨機(jī)采樣的被動(dòng)跟蹤算法 150
6.1 引言 150
6.2 基于新的數(shù)值積分粒子濾波的機(jī)載無(wú)源定位算法 153
6.3 基于聚合重采樣粒子濾波的機(jī)載無(wú)源定位算法 160
6.4 本章小結(jié) 166
參考文獻(xiàn) 167
第7章擬熏特卡羅粒子濾波的被動(dòng)跟蹤算法 168
7.1 引言 168
7.2 擬蒙特卡羅方法 168
7.3 擬蒙特卡羅自適應(yīng)粒子濾波的機(jī)載無(wú)源定位算法 173
7.4 擬蒙特卡羅聚合重采樣粒子濾波的機(jī)載無(wú)源定位算法 176
7.5 本章小結(jié) 181
參考文獻(xiàn) 181
第8章基于隨機(jī)有眼集理論的天部順順軌多目荷碩蹤方法 183
8.1 引言 183
8.2 基于隨機(jī)有限集理論的多目標(biāo)跟蹤方法 183
8.3 基于GM-CPHD濾波的低軌多目標(biāo)天基像平面跟蹤方法 185
8.4 低軌多目標(biāo)天基像平面跟蹤的多伯努利平滑方法 194
8.5 基于多模型CPHD濾波的天基觀測(cè)低軌多目標(biāo)三維跟蹤方法 219
8.6 基于擴(kuò)展CPHD濾波的傳感器系統(tǒng)誤差自校準(zhǔn)方法 234
8.7 本章小結(jié) 248
參考文獻(xiàn) 248